获取大熊猫计算，通过

Question

集团

代码

reviewer_map['Max Date of Review'] = reviewer_map.groupby('UserID_NB').agg({'Date of Review': [np.max]}) 

dtypes

UserID_NB      object 
Technical Director   object 
Date of Review  datetime64[ns] 
Max Date of Review datetime64[ns] 

输出看起来像

UserID_NB  Technical Director  Date of Review  Max Date of Review 
FRANK1   Frank     2017-04-20   NaT 
JOHN2   John     2017-04-20   NaT 

我想展现的最大日期搜索所有的NAT值每次审核的日期以及审核人的主管和身份证号码。我有一些来自重新计划的重复项，所以我试图将这个列表限制为每个USERID_NB的最新日期值。出于某种原因，我的最大值将会丢失。

Answer 1

在这种情况下使用groupby()会返回一个数据帧，而不是要添加到现有数据帧的列。这就是为什么你在Max Date of Review中缺少值。
在你的最终输出中，你似乎并不需要Date of Review和Max Date of Review。
此外，'max'就足够作为agg()函数，您不需要np.max，也不需要将其包装在列表中。

你基本上已经解决了你自己的问题，减去了一些语法问题。设置直线很容易。

首先，这里的一些样本数据：

dates = pd.date_range('20170101', periods=6, freq='D') 
uid = ['FRANK1','JOHN2','FRANK1','JOHN2','FRANK1','FRANK1'] 
name = ['Frank','John','Frank','JohnABC','Frank','Frank123'] 
reviewer_map = pd.DataFrame({'UserID_NB':uid, 
          'Technical Director':name, 
          'Date of Review':dates}) 

print(reviewer_map) 
    Date of Review Technical Director UserID_NB 
0  2017-01-01    Frank FRANK1 
1  2017-01-02    John  JOHN2 
2  2017-01-03    Frank FRANK1 
3  2017-01-04   JohnABC  JOHN2 
4  2017-01-05    Frank FRANK1 
5  2017-01-06   Frank123 FRANK1 

如果你想使用groupby()来实现自己的目标，这将工作：

print(reviewer_map.groupby('UserID_NB', as_index=False) 
        .agg({'Date of Review': 'max'}) 
        .rename(columns={'Date of Review':'Max Date of Review'})) 

    UserID_NB Max Date of Review 
0 FRANK1   2017-01-06 
1  JOHN2   2017-01-04 

注意，rename()在到底是不是绝对必要的，只有在您确实想要将Date of Review列重命名为Max Date of Review时才有效。

UPDATE
每OP评论，这里是一个包含匹配的maxDate of Review的Technical Director领域的版本。请注意，SQL having语法can sometimes be mimicked with filter()，但它并不总是一个直接类似的操作，并且通常需要多个groupby操作。

这里我用merge()代替，它与原始数据帧中的Technical Director值和groupby输出的最大日期行相匹配。示例数据现在包含每UserID_NB不同的Technical Director值，以说明此更新。

df = (reviewer_map.groupby('UserID_NB', as_index=False) 
       .agg({'Date of Review': 'max'})) 
df.merge(reviewer_map, 
     on=['UserID_NB','Date of Review'], 
     how='left') 

输出：

UserID_NB Date of Review Technical Director 
0 FRANK1  2017-01-06   Frank123 
1  JOHN2  2017-01-04   JohnABC